10.1人工神经网络与神经网络优化算法 ≥0 f∑On-0)=f(n) <0 (10-1-5)
10.1 人工神经网络与神经网络优化算法 （10-1-5） − = − = = = 1, 0 1, 0 ( ) ( ) 1 i i i n j i j i j i j i u u v f v f u
10.1人工神经网络与神经网络优化算法 能量函数定义为 ∑onvy+∑ J≠ 则其变化量为
10.1 人工神经网络与神经网络优化算法 能量函数定义为 则其变化量为 = = = = − + n i n i i i n j i j i j i j E v v v 2 1 1 1 1
10.1人工神经网络与神经网络优化算法 AE=∑△=∑A(∑0+0)≤0 J≠1 (10-1-6) 也就是说,能量函数总是随神经元状态的变 化而下降的
10.1 人工神经网络与神经网络优化算法 （10-1-6） 也就是说，能量函数总是随神经元状态的变 化而下降的。 ( ) 0 1 1 1 = − + = = = = n i n j i j i j i j j n i i i v v v v E E
10.1人工神经网络与神经网络优化算法 (2)连续型 Hopfield网络 连续型 Hopfield网络的动态方程可简化描述 如下: au t ∑ R =g(l1) (10-1-7)
10.1 人工神经网络与神经网络优化算法 (2) 连续型Hopfield 网络 连续型Hopfield 网络的动态方程可简化描述 如下： （10-1-7） = = − + = ( ) 1 i i n i i i i j i j i i v g u I R u T v dt du C
10.1人工神经网络与神经网络优化算法 其中,矶V分别为第神经元的输入和输出, g() 具有连续且单调增性质的神经元激励函数,T 为第神经元到第神经元的连接权,为施 加在第i神经元的偏置,C>OQ为相应的电 容和电阻,1/R=1/Q+∑Tn
10.1 人工神经网络与神经网络优化算法 其中， 分别为第 神经元的输入和输出， 具有连续且单调增性质的神经元激励函数， 为第i神经元到j第神经元的连接权， 为施 加在第i神经元的偏置， 和 为相应的电 容和电阻， 。 i i u , v i g(•) Tij i I Ci 0 Qi = = + n j Ri Qi Tji 1 1/ 1/